˙x = DF (x0)x,
dane częścią liniową F w x0, położeniu równowagi, ma własność
Reλ < 0 dla każdej wartości własnej λ operatora liniowego (różniczki) DF (x0), to mówimy, że x0 jest ściekiem.
Jeśli Reλ > 0 dla każdego λ, to mówimy, że x0 jest źródłem.
Jeśli Reλ 6= 0, to punkt x0 nazywamy punktem hiperbolicznym.
Przestrzeń, po obcięciu do której DF (x0) ma tylko wartości własne, spełniające Reλ < 0, na-zywa się stabilną, przestrzeń, gdzie Reλ > 0, nana-zywa się niestabilną.
Uwagi:
1. Ścieki i źródła są, zgodnie z tymi definicjami, punktami hiperbolicznymi.
2. W przypadku wymiaru m=2 ściekami są węzeł stabilny i ognisko stabilne, źródłami są węzeł niestabilny i ognisko niestabilne. Punkt hiperboliczny dla którego λ2 < 0 < λ1
nazywamy siodłem.
Twierdzenie 11.1 Jeśli x0 jest ściekiem, to trajektoria φ(t) ≡ x0 jest asymptotycznie stabilna.
W dowodzie potrzebna będzie następująca
Definicja 11.4 Funkcja ciągła rzeczywista, określona na otoczeniu x0 nazywa się funkcją La-punowa, jeśli L(x0) = 0 oraz L(x) > 0 dla x 6= x0 i L jest monotoniczna malejąca wzdłuż każdej trajektorii φ(t). Jeśli L jest różniczkowalna, to tę monotoniczność zapisujemy jako DFL(x) ≤ 0 dla każdego x w otoczeniu x0 (DFL oznacza pochodną L w kierunku F ).
Twierdzenie 11.2 (lemat Lapunowa) Jeśli w otoczeniu położenia równowagi istnieje funk-cja Lapunowa L, wówczas położenie to jest stabilne w sensie Lapunowa. Jeśli spełnione jest więcej: L jest ściśle malejące wzdłuż każdej trajektorii z wyjątkiem φ(t) ≡ x0 (lub dla L różnicz-kowalnej DFL(x) < 0 dla x 6= x0 – to jest silniejsze od ścisłego malenia), to x0 jest asympto-tycznie stabilne.
Dowód
Niech U będzie zwartym otoczeniem x0, na którym określona jest funkcja L. Oznaczmy Aη = {x ∈ U : L(x) ≤ η}. Przy η → 0, mamy Aη → x0 (tzn. supy∈Aη|y − x0| → 0).
W przeciwnym razie T
η>0Aη zawierałby y ∈ U dzięki zwartości U i y 6= x0 oraz L(y) = 0, sprzeczność.
Zatem dla każdego ε > 0 istnieje η > 0 takie, że Aη ⊂ B(x0, ε). Zbiór Uη = {x ∈ U : L(x) < η}
zawiera x0 i jest otwarty. Istnieje więc δ > 0 takie, że B(x0, δ) ⊂ Aη. Dla x ∈ B(x0, δ), t ≥ 0 mamy φ(x, t) ∈ Aη, gdzie φ(x, 0) = x0.
W przeciwnym razie φ(x, t1) ∈ ∂Aη dla pewnego czasu t1. Ustalmy, że t1 > 0 to pierwszy taki moment. Wtedy φ(x, t) ∈ Aη ⊂ U dla wszystkich T : 0 ≤ t ≤ t1, gdzie L jest określone. Mamy
Wykład 11 74 L(x) < η i L(φ(x, t1)) = η, co przeczy założeniu, że L wzdłuż φ(x, t) nie rośnie. W konkluzji φ(x, t) ∈ Aη ⊂ B(x0, ε).
Jeśli L jest ściśle malejąca wzdłuż trajektorii φ(x, t) i wzdłuż pewnej trajektorii
t→∞lim L(φ(x, t)) = L0 > 0,
to znajdujemy ciąg tn → ∞ i y ∈ U takie, że limn→∞φ(x, tn) → y. Wtedy dla każdego t ≥ 0 mamy L(φ(y, t)) = limn→∞L(φ(x, tn+ t)) = L0. To przeczy ścisłemu maleniu L wzdłuż φ(y, t).
Poziomice funkcji x0
x , t ) φ(
L
Rysunek 11.1: Ilustracja dowodu lematu Lapunowa
¤ Dowód Twierdzenia 11.1
Zbadajmy najpierw równanie liniowe ˙x = DF (x0)(x − x0). Oznaczmy dalej DF (x0) przez A i przyjmijmy dla uproszczenia oznaczeń x0 = 0. W tym przypadku można skonstruować L jako formę kwadratową. Należy wziąć
L(x) = Xm
j=1
x2j,
gdzie xj to współrzędne w takiej bazie, w której klatki Jordana mają postać
λ ε . . . 0 0 . .. ... ...
... . .. ε 0 . . . λ
.
Wypisanie wzoru na DAxL(x) pozostawiam Czytelnikowi; jeśli ε jest dostatecznie małe, to DAxL(x) < 0 dla x 6= x0.
Dla ˙x = Ax + G(x), gdzie |G(x)| = o(|x|), mamy
DF(L)(x) = DAxL(x) + DGL(x).
Widać, że |DAxL(x)| ≥ C|x|2 dla C > 0 jeśli ε jest dostatecznie małe. Mamy też G = o(|x|) zatem DGL = o(|x|2). Stąd w małym otoczeniu 0 (x0 przed uproszczeniem oznaczeń) mamy DFL(x) < 0 dla x 6= x0.
Uwaga
Jeśli dla liniowego równania różniczkowego wszystkie wartości własne spełniają Reλ ≤ 0, a te dla których zachodzi równość mają klatki Jordana 1 × 1, to 0 jest stabilne w sensie Lapu-nowa.
Dowód
Trajektorie rozkładają się na sumy trajektorii: w przestrzeni Reλ < 0, gdzie jest nawet stabilność asymptotyczna oraz Reλ = 0, gdzie składniki w 2-wymiarowych przestrzeniach to ruchy po elipsach.
¤ Twierdzenie 11.3 (Hadamard-Perron) Niech x0 będzie punktem stałym (równowagi) hi-perbolicznym równania różniczkowego:
˙x = F (x), x ∈ Rm. Niech Tx0 = EsL
Eu będzie rozkładem przestrzeni stycznej w x0 na przestrzenie stabilną i nie-stabilną (odpowiadające Reλ < 0, Reλ > 0 dla równania różniczkowego liniowego ˙x = DF (x0)x, F ∈ C1). Wtedy istnieje δ > 0 takie, że zbiory
Wδs(x0) = {x : ∀t≥0φt(x) ∈ Bs(x0, δ)}, Wδu(x0) = {x : ∀t≤0φt(x) ∈ Bu(x0, δ)},
gdzie Bs(x0, δ), Bu(x0, δ) oznacza kule o środku x0 i promieniu δ odpowiednio w Es, Eu, to C1 rozmaitości, wykresy funkcji Es → Eu oraz Eu → Es odpowiednio, styczne w x0 do Es, Eu, wymiarów takich, jak Es, Eu.
Dla x ∈ Wδs(x0) φt(x) → x0 przy t → ∞.
Dla x ∈ Wδu(x0) φt(x) → x0 przy t → −∞ (zbieżność wykładnicza).
E
E
s
u
W W
s u
Rysunek 11.2: Rozmaitości stabilna i niestabilna.
Wykład 11 76 Szkic dowodu
Kroki dowodu twierdzenia Hadamarda-Perrona są takie same jak w przypadku twierdzenia o C1-zależności rozwiązań równania różniczkowego od warunków początkowych
1. Niech X oznacza przestrzeń funkcji z kuli Bu(0, δ) ⊆ Eu w Es, stycznych do Eu w 0, ze stałą Lipschitza nie większą niż 1.
2. Na przestrzeni X działa przekształcenie Φ
Φ(W ) = φ1(W ),
gdzie φ1 oznacza φt przy t = 1 (utożsamiamy tutaj funkcję W z jej wykresem). W jest hiperpowierzchnią w przestrzeni stycznej do Rm w punkcie x0, utożsamionej w otoczeniu 0 z Rm z otoczeniem x0. Przyjmijmy x0 = 0. Formalnie φ1(W ) ma dziedzinę (jako wykres) większą niż Bu(0, δ) ⊆ Eu, trzeba więc jeszcze dziedzinę obciąć do Bu(0, δ).Φ okazuje się być kontrakcją na X, ma więc punkt stały W0.
δ
B(0, ) B(0, )δ
W
φ
Es
Eu
Rysunek 11.3: Przekształcenie Φ.
φ1(l)
φ1(W2)
φ1(W1) 0
l
0
W
W1 2
Rysunek 11.4: Φ jest kontrakcją. Wzdłuż Es (Eu) mamy nieliniowe spłaszczanie (rozciąganie).
3. Niech Y oznacza przestrzeń funkcji z Bu(0, δ) ⊆ Eu do zbioru przekształceń liniowych z Eu w Es o normie nie większej niż 1.
4. Dla W ∈ X, V ∈ Y definiujemy Ψ(W, V ) jako funkcję przyporządkowującą każdemu x ∈ B(0, δ) ⊆ Eu przekształcenie liniowe o wykresie
Dφ1(graph V ),
gdzie graph V to wykres V (πuφ−1((x, W (x))) w przestrzeni stycznej Tφ−1((x,W (x)))(Rm) (πu to rzut na przestrzeń Eu).
Dφ φ−1
Dφ1
V(y) (x,W(x))
0 0
((x,W(x))) φ−1
φ−1((x,W(x)))
(V)
Rysunek 11.5: Ilustracja definicji przekształcenia Ψ.
V
1V
2D φ ( V
2)
V
1D φ ( )
Rysunek 11.6: Dφ zmniejsza kąt.
Przekształcenie H : (W, V ) 7→ (Φ(W ), Ψ(W, V )) jest kontrakcją na „włóknach” Y : kΨ(W, V1) − Ψ(W, V2)k < λkV1− V2k, λ < 1.
Podobnie jak w przypadku twierdzenia o C1-zależności pokazujemy zbieżność do punktu stałego Hn(W, V ) → (W0, V0).
5. Jeśli startujemy z W oraz V = DW , np. W ≡ 0, V ≡ 0 to dla (Wn, Vn), obrazów (W, V ) przy Hn, także zachodzi V = DW . Z Φn(V ) → V0 oraz zbieżności różniczek do W0 wy-nika, że V0 jest klasy C1, z różniczką W0.
Uzyskaliśmy więc niezmiennicze V0, klasy C1, φ−1(V0) ⊆ V0. Nietrudno pokazać, że φ−n(x) → x0 dla x ∈ V0 oraz φ−n(x) ucieka z B(x0, δ) ⊆ Rm dla x /∈ V0.
6. Nie jest trudno sprawdzić, że V0 spełnia także własności Wδu dla wszystkich t ≤ 0, nie tylko dla całkowitych.
¤
Wykład 11 78 Równania liniowe z okresowymi współczynnikami
Zajmiemy się teraz jednorodnym liniowym równaniem różniczkowym z F (t, x) okresowo zależnym od t. Załóżmy, że okresem jest T > 0.
Uwaga
φ(x0, t0, t) = φ(x0, t0 + T, t + T ), (11.1) gdzie φ(x0, s0, ·) oznacza rozwiązanie równania różniczkowego
dφ
dt(x0, s0, t) = F (t, φ(x0, s0, t)), z warunkiem początkowym
φ(x0, s0, s0) = x0.
Uwaga powyższa była już uzasadniona w rozdziale 5, gdzie pokazałem, że jeśli F nie zależy od t, to
φ(x0, t0, t) = φ(x0, t0+ s0, t + s0)
dla dowolnego s0. Podam jednak uzasadnienie jeszcze raz, w nieco innej formie:
Oznaczmy f (t, x) = (t + T, x), f : Rm+1 → Rm+1. Z założenia okresowości F (utożsamiając przestrzenie styczne z Rm+1, mamy:
Df(t,x)(1, F (t, x)) = (1, F (t + T, x)).
Zatem f przeprowadza trajektorię φ(x0, t0, t) na φ(x0, t0+ T, t + T ).
Skorzystaliśmy tu z następującego faktu, który był już (w nieco innej postaci) wprowadzony-przed definicją 5.2 w Wykladzie 5):
Fakt
Jeśli f ∈ C1 jest dyfeomorfizmem z U1 ⊆ Rm do U2 ⊆ Rm (lub ogólniej dla rozmaitości różniczkowych U1, U2) oraz F1 jest polem wektorowym na U1, F1: U1 → Rm, natomiast
F2(x) = Df (F1(f−1(x))),
to przeniesienie tego pola na U2, wówczas jeśli γ(t) jest trajektorią równania różniczkowego
˙γ(t) = F1(γ(t)),
to f (γ(t)) jest trajektorią równania różniczkowego danego polem F2. Dowód
df (γ(t))
dt = Dfγ(t)˙γ(t) = Dfγ(t)(F1(γ(t)) = F2(f (γ(t))).
¤
Uwaga
Z powyższego faktu korzystaliśmy np. rozwiązując liniowe równanie różniczkowe ˙x = Ax we współrzędnych danych przez bazę postaci Jordana, gdzie równanie ma postać
˙x = K−1(A(K(x))) = AJx i biorąc obraz rozwiązania γ(t) = etAJ, mianowicie
KetAJK−1(x) w wyjściowych współrzędnych.
Dla F (t, x) o okresie T > 0 oznaczmy φ(x, 0, T ) = φ(x, T ) = φT(x) = Bx, φT jest liniowe, B jest więc przekształceniem liniowym (w ustalonej bazie można B uważać za macierz).
Twierdzenie 11.4 Rozważmy równanie różniczkowe w R2
˙x = F (t, x) = A(t)x,
gdzie A(t) ma okres T > 0. Załóżmy, że det B = 1. Jeśli |trB| < 2, to 0 jest rozwiązaniem stabilnym w sensie Lapunowa.
Dowód
1 = det B = λ1· λ2
dla wartości własnych λ1, λ2 macierzy B. Nierówność |trB| < 2 implikuje, że jest to para sprzężonych liczb nierzeczywistych, gdyż dla λ 6= 0, rzeczywistych mamy:
|λ + 1 λ| ≥ 2.
1
0
λ λ1
2
Rysunek 11.7: Wartości własne macierzy B.
Zatem B, w odpowiedniej bazie, jest obrotem, stabilnym w sensie Lapunowa (patrz uwaga po twierdzeniu (11.2)). Udowodniliśmy zatem część twierdzenia nie związaną z równaniami różniczkowymi, o stabilności 0 dla iteracji przekształcenia B. Łatwo jednak widać, że implikuje to stabilność 0 dla potoku φt, rozwiązania równania różniczkowego ˙x = F (t, x). Skorzystaliśmy tu z faktu wynikającego z równości (11.1), że:
φnT(x) = φ(. . . ((φ(x, 0, T ), T, 2T ), 2T, 3T ) . . . , nT ) = φ(. . . φ(φ(x, T ), T ), . . . , T ) = Bnx,
Wykład 11 80 ponieważ
φ(y, nT, (n + 1)T ) = φ(y, 0, T )
oraz z faktu, że w odcinkach czasu t ∈ (nT, (n + 1)T ), rozwiązanie nie może się oddalić od 0 (ciągła zależność od warunków początkowych).
¤ Wniosek
Jeśli det B = 1, |trB| < 2 dla przekształcenia liniowego B płaszczyzny R2 w siebie, zaś ˜B jest przekształceniem liniowym dostatecznie bliskim B, w klasie przekształceń o wyznaczniku równym 1 (tzn. zachowujących miarę Lebesgue’a), to 0 jest stabilne w sensie Lapunowa dla iteracji ˜Bn.
Dowód
Wystarczy, żeby tr ˜B < 2, co jest spełnione dla ˜B blisko B, z otwartości tego warunku.
¤ Uwaga
Bez założenia det ˜B = 1, ten wniosek nie byłby prawdziwy. Dla ˜B = aB, gdzie a > 1, bli-skie 1, można stracić stabilność, uzyskać źródło.
1 0 1
0
λ1
λ2 ∼
λ2=aλ2
∼ = λ1 aλ1
Rysunek 11.8: Jeśli det ˜B 6= 1, może nastąpić utrata stabilności.
Jeśli det ˜B = 1, to żeby stracić stabilność trzeba zaburzając przejść z ˜λ1, ˜λ2 przez 1 lub −1.
λ2 λ1 λ1 λ2 1
0
~ ~
Rysunek 11.9: Utrata stabilności w klasie macierzy o wyznaczniku 1.
Przykład
Rezonans parametryczny Rozważmy równanie
¨
x = −ω2(1 + εa(t))x,
gdzie a(t) jest funkcją okresową z okresem T (np a(t) = cos(t) dla T = 2π; równanie nazywamy wtedy równaniem Mathieu).
Dla ε = 0 układem fundamentalnym rozwiązań jest:
Φ(t) =
µ cos ωt ω1 sin ωt
−ω sin ωt cos ωt
¶ .
Mamy stały wrońskian W (t) = det Φ(t) = 1. W szczególności det B = det Φ(T ) = 1 Ponadto
|trB| ≤ 2, a jedynymi ω, T , dla których |trB| = 2 są ω = nπ
T .
Zatem tylko dla takich ω, T , zaburzenie składnikiem εa(t) może spowodować niestabilność.
Liczbę ω nazywa się częstością (kątową) własną oscylatora (Podzielona przez 2π jest liczbą, niekoniecznie całkowitą, obiegów oscylatora w jednostce czasu).
Liczba 2πω to okres drgań własnych. Jeśli ν, częstość zmian parametrów, tzn. funkcji a(t), jest zdefiniowana przez
2π
ν = T (dla równania Mathieu ν = 1), to utrata stabilności może zajść tylko przy T ω = nπ, n całkowite, czyli
2π
ν = nπ, ω ν = n
2. Inaczej
2π ν = n
2 2π
ω ,
czyli okres zmian parametrów, okres a(t), jest krotnością półokresu drgań własnych.
Uwaga
Jest to zgodne z doświadczeniem na huśtawce. Żeby się rozhuśtać, należy zmieniać a(t), tzn.
ω(1 + a(t)), czyli np. długość huśtawki l (przy ¨x = −ω2x, mamy ω2 = Const · l), z okresem będącym krotnością półokresu huśtania bez zmian długości.
Wykład 12
Przykład (Nieliniowe równanie różniczkowe)
Zajmiemy się teraz prostym przykładem nieliniowego układu równań różniczkowych:
½ ˙x = y
˙y = − sin x,
Można ten układ rozpatrywać na S1× R (iloczynie kartezjańskim okręgu i prostej), bo pole jest okresowe względem x, S1 = R/2πZ. Układ pochodzi od równania rzędu 2
¨
x = − sin x
i jest równaniem wahadła matematycznego. Przyjmuję, że stała przed sin x związaną m. in.
z długością wahadła jest równa 1. Równanie oscylatora harmonicznego, rozpatrywane m. in.
na końcu poprzedniego wykładu było liniowym przybliżeniem tego równania blisko 0. Funkcja sin x była zastąpiona przez x.
stabilny pukt rownowagi niestabilny punkt rownowagi
x
/
/
Rysunek 12.1:
Są dwa punkty równowagi: p = (0, 0) oraz q = (π, 0). Części liniowe pola F (x, y) = (y, − sin x) w tych punktach, to µ
0 1
−1 0
¶
oraz
µ 0 1 1 0
¶ ,
82
ich wartościami własnymi są
±i oraz ± 1,
te punkty więc to odpowiednio centrum (def.: otoczenie jest sumą orbit okresowych) oraz siodło.
Rozpatrywane równanie jest postaci hamiltonowskiej
˙x = ∂H
∂y ,
˙y = −∂H
∂x,
gdzie energia (hamiltonian) H = y22 − cos x. Dla takiego układu H jest całką pierwszą (por.
Wyklady 6 i 9).
Jak łatwo zobaczyć, obraz fazowy wygląda jak na rysunku (12.2)
q p q
separatrysa
separatrysa
loc
Ws (q )
Rysunek 12.2: Obraz fazowy dla równania wahadła.
Punkt p jest stabilny w sensie Lapunowa, natomiast punkt q nie. Zbiór Ws(q) = {z ∈ S1× R : φt(z) → q dla t → ∞} = [
t≥0
φ−t(Wδs)
(patrz poprzedni Wykład) nazywamy rozmaitością globalnie stabilną. Podobnie definiuje się rozmaitość globalnie niestabilną. Ws(q) (podobnie Wu(q)) składa się z q i dwóch trajektorii, tzw. separatrys stabilnych. Dla naszego przykładu separatrysy stabilne są równe separatrysom niestabilnym.
Jeżeli będziemy teraz zmieniać trochę siłę, w zależności od czasu, ale okresowo, powiedzmy z okresem 1, to obraz fazowy dla φn jest związany z następującym rysunkiem.
Rysunek 12.3: Tu będzie rysunek
Ws(q) i Wu(q) definiuje się dla φ = φ1 tak jak wyżej, tylko φt zastępuje się przez φn. Teraz Ws(q) i Wu(q) mogą się przecinać transwersalnie (w punktach przecięcia mają różne kierunki styczne), są bowiem sumami trajektorii φn(z), ciągów punktów. (Trajektorie jako krzywe wy-stępują po zastąpieniu równania, równaniem autonomicznym w S1× R × R/Z. Ostatnie R to czas; jest podzielony przez Z z uwagi na okresowość zaburzenia siły.) Te punkty przecięcia Ws(q) ∩ Wu(q) nazywamy punktami homoklinicznymi. Są one przyczyną „chaosu”.
Wykład 12 84 Twierdzenie 12.1 (KAM (Kołmogorow, Arnold, Moser)) Dla odpowiednio małych za-burzeń okresowych, z okresem 1, prawej strony równania ¨x = − sin x (i ogólniej typowego rów-nania hamiltonowskiego wokół centrum w R2), takich, że φt zachowują miarę Lebesgue’a w R2, niezmiennicze dla φ1 krzywe zamknięte mają dodatnią (w sumie) miarę Lebesgue’a (im bliżej p, tym procentowo większą, zbiegającą do 100%). W szczelinach mamy punkty okresowe, wokół których znowu istnieje wiele krzywych zamkniętych niezmienniczych. W szczelinach sytuacja się powtarza, itd. Punkt p jest stabilny w sensie Lapunowa.
Problem na XXII wiek:
Czy uzupełnienie zbioru tych krzywych niezmienniczych ma dodatnią miarę Lebesgue’a?
Opisać „chaotyczne” zachowanie φ na tym uzupełnieniu.
Przy zaburzaniu znikające krzywe zamknięte niezmiennicze rozsypują się w niezmiennicze zbiory Cantora, najodporniejsze na to zjawisko są te, na których średni „obrót”φ (przed zabu-rzeniem), dokładniej „kąt obrotu” α, jest wolno aproksymowany przez liczby wymierne:
∀p,q∈Z|α − p q| > C
q2.
W wymiarze 2m powstają wokół punktu równowagi m-wymiarowe torusy niezmiennicze (z ruchem prawie okresowym, obmotki), po zaburzeniu wypełniają zbiór dodatniej miary. Po-nieważ jednak nie rozcinają R2m, nie zapewniają stabilności Lapunowa. Może nastąpić ucieczka od punktu równowagi. To zjawisko nazywamy dyfuzją Arnolda. Takie „niecałkowalne” układy powstają w mechanice, już w tzw. problemie trzech ciał.
Przejdźmy na chwilę do mechaniki, do prostszych przykładów:
Ruch ciała w polu sił centralnych Rozważmy równanie różniczkowe:
¨
x = −∂U
∂x w R3,
gdzie U : R3\{0} → R, to gładka funkcja, zależna tylko od r = |x|, tzw. potencjał.
Przestrzeń fazowa jest tutaj 6-wymiarowa:
µ x
˙x
¶
∈ R6 (W przypadku n ciał jest 6n-wymiarowa).